ترجمه فارسی مقاله خط لوله پردازش مولکولی متن‌باز برای تولید مولکول‌ها

چکیده

Generative models for molecules have shown considerable promise for use in computational chemistry, but remain difficult to use for non-experts. For this reason, we introduce open-source infrastructure for easily building generative molecular models into the widely used DeepChem [Ramsundar et al., 2019] library with the aim of creating a robust and reusable molecular generation pipeline. In particular, we add high quality PyTorch [Paszke et al., 2019] implementations of the Molecular Generative Adversarial Networks (MolGAN) [Cao and Kipf, 2022] and Normalizing Flows [Papamakarios et al., 2021]. Our implementations show strong performance comparable with past work [Kuznetsov and Polykovskiy, 2021, Cao and Kipf, 2022].

چکیده به فارسی (ترجمه ماشینی)

مدل های تولیدی برای مولکول ها نوید قابل توجهی برای استفاده در شیمی محاسباتی نشان داده اند ، اما استفاده از آن برای غیر متخصصان دشوار است.به همین دلیل ، ما زیرساخت های منبع باز را برای ساختن مدل های مولکولی به راحتی در کتابخانه Deepchem [Ramsundar et al. ، 2019] با هدف ایجاد یک خط لوله تولید مولکولی قوی و قابل استفاده مجدد معرفی می کنیم.به طور خاص ، ما Pytorch با کیفیت بالا [Paszke et al. ، 2019] اجرای شبکه های مخالف مولکولی (Molgan) [CAO و KIPF ، 2022] و جریان عادی را اضافه می کنیم [Papamakarios et al. ، 2021].پیاده سازی های ما عملکرد قوی قابل مقایسه با کار گذشته را نشان می دهد [Kuznetsov و Polykovskiy ، 2021 ، CAO و KIPF ، 2022].